Một prompt dịch tốt nói cho AI biết bảy điều: bản dịch dùng để làm gì, ai đọc, giọng và cách xưng hô, thuật ngữ và tên nào giữ nguyên, ràng buộc định dạng và độ dài, quy tắc không được thêm bớt, và vài câu mẫu đã duyệt. Thiếu những điều này, mô hình sẽ tự đoán — và nó đoán theo mẫu phổ biến nhất trong dữ liệu, không theo thương hiệu của bạn.
Prompt tốt không thay được người hiệu đính, nhưng làm bản nháp gần đích hơn hẳn và làm lỗi trở nên có quy luật, dễ soát. Bài này đi qua từng phần, kèm một khung prompt dùng lại được cho nội dung marketing, video và giao diện, và những giới hạn mà không câu chữ nào khắc phục được.
Vì sao “Dịch sang tiếng Anh” là chưa đủ
Khi chỉ nhận lệnh “dịch đoạn này sang tiếng Anh”, mô hình phải tự trả lời hàng loạt câu hỏi mà bạn chưa nói: tiếng Anh của thị trường nào, trang trọng hay thân mật, có giữ tên sản phẩm không, có được viết gọn lại không, câu dài có được tách không. Mỗi câu trả lời ngầm là một lựa chọn, và tập hợp các lựa chọn đó quyết định bản dịch nghe như của ai.
Mô hình ngôn ngữ lớn có lợi thế là làm theo được lời dặn bằng ngôn ngữ tự nhiên. Không tận dụng lợi thế đó thì bạn đang dùng một công cụ đa năng như một máy dịch chuyên dụng — nhận về sự kém ổn định của công cụ đa năng mà không có lợi ích của nó.
Ngược lại, một prompt quá dài, nhồi mọi quy tắc có thể nghĩ ra, cũng làm kết quả kém đi: các quy tắc mâu thuẫn nhau, mô hình bỏ sót quy tắc nằm giữa đoạn dài. Mục tiêu là đủ và rõ, không phải nhiều. Bảy phần dưới đây là bộ khung, mỗi phần chỉ cần vài dòng.
Bảy phần của một prompt dịch
1. Mục đích. Bản dịch đăng ở đâu và để làm gì: trang giới thiệu sản phẩm, phụ đề video hướng dẫn, thông báo đẩy trong ứng dụng, bài đăng mạng xã hội. Mục đích quyết định độ dài câu, mức trang trọng và việc có được viết lại cho tự nhiên hay phải bám sát.
2. Người đọc. Thị trường, độ tuổi, mức hiểu biết về sản phẩm, quan hệ với thương hiệu. “Phụ huynh ở Úc lần đầu biết thương hiệu” và “kỹ sư bảo trì đã dùng máy nhiều năm” cần hai bản dịch khác nhau cho cùng một đoạn.
3. Giọng và xưng hô. Thương hiệu xưng thế nào, gọi người đọc là gì, câu ngắn hay dài, có dùng từ lóng không, có chêm tiếng Anh không (khi dịch sang tiếng Việt). Nên kèm một hai câu mô tả giọng bằng hình ảnh dễ hiểu, như “như một dược sĩ trẻ giải thích cho khách quen”.
4. Thuật ngữ và danh sách không dịch. Tên thương hiệu, tên sản phẩm, tên tính năng giữ nguyên; thuật ngữ đã thống nhất thì liệt kê dạng cặp nguồn–đích. Danh sách ngắn, chính xác hiệu quả hơn danh sách dài lẫn lộn.
5. Ràng buộc định dạng. Giữ nguyên thẻ, biến trong ngoặc nhọn, xuống dòng; giới hạn số ký tự cho tiêu đề, nút, dòng phụ đề; định dạng ngày tháng, số, đơn vị theo thị trường đích.
6. Quy tắc trung thực. Dịch đủ, không thêm thông tin, không bỏ ý, không làm mạnh hay làm nhẹ lời hứa; chỗ nào bản nguồn mơ hồ thì đánh dấu và hỏi lại thay vì tự đoán. Đây là phần nhiều người bỏ qua nhất, và là phần chặn được lỗi nguy hiểm nhất của chatbot.
7. Câu mẫu. Hai đến năm cặp câu nguồn–đích đã được người duyệt, đúng giọng bạn muốn. Mô hình học từ ví dụ nhanh hơn từ mô tả; giới kỹ thuật gọi cách này là few-shot.
Khung prompt dùng lại được
Dưới đây là khung mẫu cho một đoạn nội dung marketing dịch từ tiếng Việt sang tiếng Anh. Thay phần trong ngoặc vuông bằng thông tin của bạn; giữ thứ tự các phần để người khác trong nhóm đọc là hiểu:
- Vai và nhiệm vụ: Bạn là người dịch và biên tập nội dung marketing Việt – Anh. Nhiệm vụ: dịch đoạn văn bên dưới để đăng trên [trang giới thiệu sản phẩm] cho [khách hàng ở Singapore và Úc, 25–40 tuổi, chưa biết thương hiệu].
- Giọng: [thân thiện, rõ ràng, câu ngắn, không cường điệu]. Gọi người đọc là “you”. Không dùng tiếng lóng.
- Giữ nguyên: [tên thương hiệu], [tên sản phẩm], [tên tính năng]. Thuật ngữ: [“ủ lạnh” → cold brew], [“đóng chai” → bottled].
- Định dạng: giữ nguyên thẻ in đậm và xuống dòng; tiêu đề không quá [60] ký tự; đơn vị đo theo hệ mét; ngày tháng dạng [ngày tháng năm viết chữ].
- Trung thực: dịch đủ ý, không thêm tính từ khen, không đổi “có thể” thành khẳng định, không thêm số liệu. Nếu một câu mơ hồ, dịch theo cách hiểu hợp lý nhất và ghi chú cách hiểu khác ở cuối.
- Câu mẫu đã duyệt: [câu nguồn 1] → [câu đích 1]; [câu nguồn 2] → [câu đích 2].
- Đầu ra: bảng hai cột nguồn – đích theo từng câu, sau bảng là danh sách ghi chú các chỗ cần người xác nhận.
Yêu cầu đầu ra dạng bảng hai cột không làm bản dịch hay hơn, nhưng làm bước đối chiếu nhanh hơn rất nhiều: người hiệu đính nhìn thấy ngay câu nào bị gộp, câu nào thiếu. Danh sách ghi chú cuối cùng biến chỗ máy không chắc thành câu hỏi có địa chỉ, thay vì lỗi ẩn.
Điều chỉnh khung theo loại nội dung
Phụ đề video. Thêm giới hạn ký tự mỗi dòng và số dòng mỗi khung, yêu cầu giữ nguyên số thứ tự và mã thời gian, cho phép nén câu nhưng không bỏ thông tin chính. Đưa kèm mô tả ngắn về cảnh và nhân vật để xưng hô đúng. Nên dịch theo từng cảnh, không dán cả tệp dài một lần.
Giao diện ứng dụng. Mỗi chuỗi kèm ghi chú ngữ cảnh: nút bấm, tiêu đề màn hình, thông báo lỗi. Yêu cầu giữ nguyên biến, không đổi khoảng trắng quanh biến, chú ý số ít số nhiều. Cho biết giới hạn độ dài thật của từng vị trí. Dịch theo màn hình thay vì theo danh sách chuỗi xếp theo bảng chữ cái — danh sách đó không cho mô hình biết chuỗi nào đứng cạnh chuỗi nào.
Nội dung mạng xã hội. Mô tả nền tảng và kiểu bài, cho phép viết lại tự do hơn, yêu cầu ba phương án cho câu mở đầu. Ở đây prompt gần với yêu cầu viết lại (transcreation) hơn là yêu cầu dịch, và kết quả cần người viết bản xứ chọn, sửa.
Kịch bản lồng tiếng. Yêu cầu câu dịch đọc được thành tiếng tự nhiên, độ dài tương đương câu nguồn khi đọc, tránh chuỗi phụ âm khó đọc liền, đánh dấu chỗ cần khớp với hành động trên hình.
Chia nhỏ và giữ nhất quán qua nhiều lần
Mô hình xử lý tốt nhất khi khối nội dung vừa đủ để giữ ngữ cảnh nhưng không quá dài. Một trang web, một cảnh phim, một màn hình ứng dụng là đơn vị hợp lý. Dán cả tài liệu dài một lần dễ dẫn tới phần cuối bị dịch vội, tóm tắt hoặc bỏ sót — thường không có cảnh báo nào.
Khi chia nhỏ, giữ phần đầu prompt giống hệt nhau cho mọi lô: cùng vai, cùng giọng, cùng bảng thuật ngữ, cùng câu mẫu. Sau mỗi lô đã duyệt, bổ sung các quyết định mới (một thuật ngữ mới thống nhất, một cách xưng hô cho nhân vật mới) vào phần đầu đó. Đây là cách làm thủ công thay cho bộ nhớ dịch của công cụ chuyên nghiệp.
Lưu prompt cùng chỗ với bản dịch đã duyệt. Khi ba tháng sau cần dịch thêm một trang, bạn có đúng bối cảnh đã dùng, thay vì viết lại từ trí nhớ và nhận về bản dịch lệch giọng với phần cũ. Nếu nhiều người trong nhóm cùng dịch, một tệp prompt chung là thứ giữ cho cả website nói cùng một giọng.
Lỗi hay gặp khi viết prompt dịch
Phần lớn bản dịch AI kém không do mô hình mà do lời dặn mơ hồ hoặc mâu thuẫn. Những lỗi dưới đây gặp rất thường xuyên:
| Lỗi | Hệ quả | Cách sửa |
|---|---|---|
| Dặn “dịch hay, tự nhiên” mà không nói cho ai | Mô hình chọn giọng trung bình, viết lại quá tay | Mô tả người đọc và mục đích cụ thể |
| Vừa dặn “bám sát” vừa dặn “sáng tạo” | Kết quả chập chờn, mỗi câu một kiểu | Chỉ rõ phần nào bám sát, phần nào được viết lại |
| Bảng thuật ngữ dài, lẫn từ không cần | Mô hình bỏ sót quy tắc quan trọng | Chỉ giữ thuật ngữ thật sự hay sai |
| Không có quy tắc trung thực | Thêm tính từ, làm mạnh lời hứa | Ghi rõ không thêm, không bớt, không làm mạnh |
| Không đòi đánh dấu chỗ không chắc | Máy đoán im lặng | Yêu cầu ghi chú chỗ mơ hồ ở cuối |
| Dán cả tài liệu dài | Phần cuối bị tóm tắt hoặc bỏ | Chia theo trang, cảnh, màn hình |
| Dùng cùng một phiên để vừa dịch vừa tự kiểm | Mô hình bảo vệ lựa chọn của mình | Kiểm ở phiên khác hoặc bằng người |
Giới hạn: những gì prompt không làm được
Prompt tốt không biến mô hình thành người hiểu thị trường của bạn. Nó không biết tuần trước đối thủ vừa dùng đúng khẩu hiệu đó, không biết một từ vừa trở thành tiếng lóng mang nghĩa khác trên mạng xã hội ở nước đích, không biết khách hàng thật của bạn gọi tính năng đó bằng tên gì. Những hiểu biết này chỉ đến từ người ở thị trường đó.
Prompt cũng không bảo đảm mô hình tuân thủ mọi quy tắc mọi lúc. Mô hình có thể làm đúng chín mươi chín lô rồi bỏ quên một quy tắc ở lô thứ một trăm. Vì vậy bước kiểm cơ học và bước đọc của người vẫn giữ nguyên, prompt chỉ làm phần việc của họ nhẹ đi và có quy luật hơn.
Và prompt không giải quyết vấn đề bảo mật: nội dung chưa công bố hay dữ liệu cá nhân không trở nên an toàn hơn vì bạn viết lời dặn hay. Với những nội dung đó, quyết định dùng công cụ nào đến trước quyết định viết prompt thế nào. Nếu bạn muốn một bộ prompt và bảng thuật ngữ được dựng sẵn cho thương hiệu, kèm quy trình hiệu đính, Dịch Hay nhận làm khi bạn gửi yêu cầu trong mẫu đăng ký.
Câu hỏi thường gặp
Nên viết prompt dịch bằng tiếng Việt hay tiếng Anh?
Mô hình lớn hiểu tốt cả hai. Viết bằng ngôn ngữ mà người trong nhóm đọc và sửa được dễ nhất thường là lựa chọn hợp lý. Phần câu mẫu và bảng thuật ngữ thì luôn ghi đúng ngôn ngữ nguồn và đích, không dịch phần đó.
Có nên yêu cầu AI giải thích từng lựa chọn dịch không?
Với vài câu quan trọng như tiêu đề, khẩu hiệu, câu kêu gọi thì có ích, vì lời giải thích giúp người không biết ngôn ngữ đích nhận ra chỗ cần hỏi. Với cả bài dài thì không nên, vì phần giải thích làm loãng đầu ra và tốn thời gian đọc mà không tăng độ đúng.
Câu mẫu nên lấy từ đâu?
Tốt nhất là câu đã được người bản xứ hoặc người hiệu đính duyệt từ nội dung trước của chính thương hiệu. Nếu chưa có, cho dịch một đoạn ngắn, nhờ người sửa đến khi ưng, rồi dùng các câu đó làm mẫu cho những lô sau.
Prompt dài bao nhiêu là vừa?
Đủ cho bảy phần, mỗi phần vài dòng, thường là nửa trang đến một trang. Khi prompt dài hơn đoạn cần dịch nhiều lần và vẫn tiếp tục dài thêm, đó là dấu hiệu nên chuyển sang công cụ có bộ nhớ dịch và bảng thuật ngữ, hoặc giao cho người.
Có nên dùng cùng một prompt cho mọi ngôn ngữ đích không?
Phần mục đích, quy tắc trung thực và danh sách không dịch dùng chung được. Phần giọng, xưng hô, định dạng ngày tháng và câu mẫu phải riêng cho từng ngôn ngữ, vì cách xưng hô lịch sự ở tiếng Nhật, tiếng Đức hay tiếng Việt khác nhau hoàn toàn.
Làm sao biết prompt mới tốt hơn prompt cũ?
Dịch cùng một mẫu cố định bằng hai prompt, đưa hai bản cho người hiệu đính chấm số câu phải sửa mà không cho biết bản nào từ prompt nào. Lặp lại khi đổi mô hình, vì một prompt tốt với phiên bản này chưa chắc tốt với phiên bản sau.